前言
步态分析是一种强大的，可以检测和识别足部疾病和行走不规范的技术，包括旋前、旋后和不稳定的足部运动。通过步态分析可以及早发现步态的问题，有助于防止受伤、纠正行走姿势做到免于手术或注射可的松。传统的步态分析方法非常昂贵，而且只能在实验室环境中使用。如今，新的可穿戴技术，如基于人工智能和物联网的设备、智能鞋和智能鞋垫，使步态分析变得容易获取且成本降低。
设备与方法
2023年3月27日，Sanjeev Shakya和Attaphongse Taparugssanagorn 博士公布其所做的一项研究，提出了一种使用物联网、边缘计算和微型机器学习 (TinyML) 来预测步态模式的新方法，使用一种穿在鞋子上的基于微控制器的设备。该设备使用惯性测量单元 (IMU) 传感器和 Advanced RISC Machines (ARM) 芯片上的TinyML模型对异常步态模式进行分类和预测，从而提供一种更易于访问、更具成本效益且更便携的步态分析方法。
新的可穿戴技术，如人工智能和基于物联网的设备、智能鞋和鞋垫，会使步态分析更容易获得，特别是对于那些无法轻易使用专门设施的人来说。
来自尼泊尔的 Sanjeev 提出的方法提供了一种更易于使用、成本效益高且便携的步态分析方法。借助这项创新技术，个人无需昂贵的实验室测试即可检测和纠正步态异常。该设备可以穿在鞋子上，从而具有更大的移动性和易用性。
这项新技术的好处是实用价值高。及早发现步态异常有助于防止受伤并改善行走姿势，从而改善整体健康状况。通过使用先进的技术来预测和预防异常的步态模式，个人可以控制他们的足部健康并避免进行更具侵入性的干预措施，例如手术或注射。
总结
这种基于物联网的便携式的步态分析设备能够使步态有问题的用户能够早期便发现问题，及时调整自身的走路姿势，从而尽可能地避免对其进行手术或者治疗。便携式步态分析可穿戴设备未来具有很大的发展前景。
原文链接
https://www.scholat.com/teamwork/showPostMessage.html?id=13587
Shakya S, Taparugssanagorn A, Silpasuwanchai C. Convolutional Neural Network-Based Low-Powered Wearable Smart Device for Gait Abnormality Detection[J]. IoT, 2023, 4(2): 57-77.
Shen C, Yu S, Wang J, et al. A comprehensive survey on deep gait recognition: algorithms, datasets and challenges[J]. arXiv preprint arXiv:2206.13732, 2022.